Теренс Тао предупредил, что искусственный интеллект истощает запас плодотворных открытых задач в математике быстрее, чем математики успевают находить новые.

Профессор UCLA, которого широко считают лучшим ныне живущим специалистом по чистой математике, а также лауреат Филдсовской премии 2006 года, выступил с этим предупреждением в публикации на посвященном математике экземпляре Mastodon Mathstodon. Его комментарии появились в то время, когда компании, занимающиеся ИИ, все активнее направляют значительные вычислительные ресурсы на математические и научные вопросы, которые годами, а иногда и десятилетиями, ставили исследователей в тупик.

Тао беспокоит не нехватка математических вопросов. Любой может создать неограниченное количество задач; например, вычисление googol-й цифры числа pi технически остается нерешенным вопросом. Однако большинство подобных задач не развивают математику в целом. Важно определить, какие задачи стоят времени и усилий, необходимых для их решения.

«Короче говоря, неизбирательное использование мощных инструментов извлечения решений может обеспечить непосредственную краткосрочную цель — решение поставленных задач, — но за счет поддержания экосистемы для следующей волны прогресса или понимания уже достигнутого прогресса», — написал Тао.

С появлением моделей рассуждений и новых поколений передовых систем ИИ такие компании, как Anthropic и OpenAI, начали тестировать свои модели на сложных математических и научных задачах. Согласно опубликованным сообщениям, результаты охватывают такие области, как квантовая физика, прикладная математика и медицина.

Математика сталкивается с особой проблемой, поскольку действительно сложные задачи относительно редки. Исследователи часто тщательно решают, какие вопросы оправдывают месяцы или годы работы. Традиционно этот процесс зависел от того, что Тао назвал «ландшафтом сложности» области: какие вопросы просты, какие требуют значительных усилий, а какие недоступны при нынешних методах.

Новые методы исторически сглаживали отдельные участки этого ландшафта, одновременно открывая новые рубежи за пределами своих возможностей. Тао считает, что ИИ нарушает эту закономерность, поскольку исследователи пока не могут точно определить, где заканчиваются возможности модели.

От слухов к гонке

Предупреждение Тао основано на конкретных примерах, а не на гипотетическом сценарии. В мае модель OpenAI опровергла гипотезу Эрдёша о единичных расстояниях — вопрос, которому около 80 лет, о том, сколько пар точек на плоскости могут находиться ровно на расстоянии одной единицы друг от друга. Математики, не связанные с OpenAI, включая лауреата Филдсовской премии Тима Гауэрса, проверили этот результат.

В течение той же недели исследователь Anthropic Левент Альпёге протестировал идентичную задачу с помощью Claude Mythos — еще не выпущенной топовой модели компании. Альпёге работал в автономном режиме, чтобы система не могла скопировать опубликованное OpenAI решение. Инженер Anthropic Шолто Дуглас назвал результат Mythos «милым, простым доказательством», которое оказалось короче решения OpenAI. Математик Дэниел Литт назвал его «немного хуже» версии OpenAI, хотя Mythos также нашла собственное решение OpenAI.

Huge credit to the OAI team for solving the unit distance problem with 5.5 - it is now my go to example that models can in fact pull together disparate ideas into new discoveries. As with all 4 minute miles, we had to try and cross it too! Turns out mythos solves it with a cute,…

— Sholto Douglas (@_sholtodouglas) May 26, 2026

Затем Anthropic формализовала доказательство последней теоремы Ферма, созданное несколько веков назад, согласно источнику, а несколько дней спустя OpenAI решила задачу, которой было 90 лет, спустя несколько часов после публикации независимого доказательства исследователя. Впоследствии OpenAI стала соавтором статьи вместе с исследователем Anthropic.

Именно эта конкуренция беспокоит Тао. «Теперь мы видим, что даже слух о том, что кто-то работает над задачей, может запустить огромный объем усилий с использованием ИИ, чтобы решить ее до того, как первоначальный исследовательский проект успеет полностью реализовать свой потенциал», — написал он.

Тао считает, что это может обратить вспять некоторые аспекты процесса открытой науки, в рамках которого исследователи со временем развивают идеи и публикуют работы, помогающие другим понять не только ответ, но и лежащие в его основе методы.

Оценивать процесс, а не только ответ

Тао предложил помечать некоторые математические задачи как «требующие анализа». При таком подходе правильный ответ, полученный без объяснения, имел бы небольшую ценность, если только он не сопровождался рассуждением, дающим представление о связанных или близких задачах.

Это различие важно, поскольку проверенный результат и универсальный метод выполняют в математике разные функции. Предложение Тао придавало бы большее значение тому, помогает ли доказательство, созданное ИИ, исследователям понимать смежные вопросы, а не оценивало бы прогресс исключительно по тому, закрыта ли одна сложная задача.

Он сравнил эту идею с продовольственными банками, которые перестали принимать пожертвования лишь потому, что они были съедобными: полезность должна зависеть не только от непосредственного результата.

Альтернативой, сказал Тао, был бы запрет ИИ в математике — решение, которое он назвал «технически невыполнимым». Ни одна организация пока не приняла предложение о маркировке задач как «требующих анализа» в качестве официальной политики. Учитывая темпы, с которыми крупнейшие лаборатории ИИ применяют свои системы к математике, Тао предположил, что реализация даже такого подхода сейчас также может оказаться технически невыполнимой.

Источник: Decrypt